Data Connect için yapay zeka yardımını kullanma

Firebase'da Gemini'ı kullanarak istemci tarafı kodunuz için şemalar, sorgular ve mutasyonlar oluşturun.

Uygulamanızı, veri modelinizi veya istediğiniz sorguyu ya da mutasyonu doğal dilde açıklayın. Firebase, Gemini'da Data Connect eşdeğerini oluşturur.

Bu yapay zeka yardımı aşağıdaki geliştirme bağlamlarında kullanılabilir:

  • Firebase konsolunda şemalarınızı ve işlemlerinizi oluşturabilir, test edebilir ve dağıtabilirsiniz.
  • Yerel ortamınızda, emülatörle uygulamanızda oluşturma, test etme ve geliştirme işlemleri yapmak için Firebase CLI'yı ve Data Connect VS Code uzantısını kullanabilirsiniz.
  • Yapay zeka destekli geliştirme araçları, uygulamanızı oluşturmak, test etmek ve geliştirmek için Firebase MCP sunucusunu kullanabilir.

Rehberlerdeki Data Connect şema, sorgu ve mutasyon söz dizimi hakkında daha fazla bilgi edinin.

AI assistance for Data Connect verilerinizi nasıl kullanır?

Daha fazla bilgi için Firebase'da Gemini verilerinizi nasıl kullanır? başlıklı makaleyi inceleyin.

AI assistance for Data Connect ayarlarını yapın

Data Connect ile yapay zeka yardımını kullanmak için Firebase'de Gemini'ı Firebase'de Gemini'ı ayarlama başlıklı makalede açıklandığı şekilde etkinleştirin.

Firebase'da Gemini ile şema, sorgu ve mutasyon oluşturma

İş akışlarınızın çoğunda Data Connect için yapay zeka yardımını kullanabilirsiniz.

Firebase konsolunda

Data Connect hizmeti oluşturduğunuzda Firebase konsolunda "Gemini'ı kullanmaya başlama" deneyimi sunulur.

Bir uygulama fikrini açıklayabilirsiniz. Yapay zeka asistanı da şunları oluşturur:

  • Uygulama fikrinize dayalı eksiksiz bir şema.
  • Örnek işlemler ve veri mutasyonları.

Veri sayfasında, doğal dile dayalı işlemler oluşturup yürütmek için GraphQL yazmama yardım etpen_spark düğmesini kullanabilirsiniz. Bazı örnek kullanım alanlarına göz atın.

Bu iş akışı, Başlangıç kılavuzumuzda açıklanmaktadır. Dağıtılan şema ve işlemlerle yerel geliştirme ortamınızda devam edebilirsiniz.

Yerel ortamınızda

Ayrıca, Firebase CLI ve Data Connect VS Code uzantısından da yapay zeka yardımı alabilirsiniz.

Uygulama fikrinizi firebase init dataconnect ile paylaşabilirsiniz. Bu araç, aşağıdakileri oluşturur:

  • Uygulama fikrinize dayalı eksiksiz bir şema.
  • Örnek işlemler ve başlangıç verisi mutasyonu.

Data Connect VS Code uzantısı aşağıdaki özellikleri sunar:

  • GraphQL yorumlarını Data Connect işlemlerine dönüştürmek için Generates/Refine Operations Code Lens'i kullanın.
  • Gemini Code Assist ve Firebase MCP sunucusuyla sorunsuz entegrasyon.

Bu iş akışı, Yerel prototip oluşturmaya başlama kılavuzumuzda açıklanmaktadır.

Yapay zeka destekli geliştirme araçlarıyla Firebase MCP sunucusunu kullanma

Firebase MCP sunucusu; Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop ve Windsurf Editor gibi MCP istemcisi olarak hareket edebilen tüm yapay zeka asistanı araçlarıyla çalışır.

Firebase MCP sunucusu, yapay zeka destekli geliştirme araçlarının Data Connect ile daha iyi çalışmasına yardımcı olmak için ek bağlam ve özellikler sağlar. Şunları yapabilir:

  • Yeni proje dizinleri ve oluşturulan SDK'lar ayarlayın.
  • Derleme hatalarına dayalı olarak şemalar ve işlemler oluşturup bunları yineleyin.
  • Gereksinimlere göre yeni şemalar ve işlemler oluşturun.
  • Yerel emülatör veya arka uç hizmetlerine karşı işlemler oluşturun ve yürütün.
  • Mevcut hizmetler hakkında bilgi toplayın.

Firebase MCP sunucusunu kullanmak için:

  1. MCP istemcinizi bu kılavuzdaki adımları uygulayarak ayarlayın.
  2. Data Connect ile ilgili yardım isteyin. Örnek istemler:
    1. "Pizza teslimatı uygulaması için Data Connect projesi oluştur."
    2. "Data Connect derleme hatalarını düzelt."
    3. "Ana sayfada etkin sohbet odalarını ve arkadaş listesini göstermem gerekiyor. Data Connect sorgusu oluştur."
    4. "Yerel Data Connect emülatörümde hangi kullanıcılar var?"
    5. "Data Connect hizmetlerim hangi Google Cloud bölgelerinde bulunuyor?"

İşlem oluşturmayla ilgili örnek kullanım alanları

Aşağıdaki bölümlerde örnek kullanım alanları açıklanmaktadır:

En iyi beş filmi puana göre azalan sırada döndür.

Doğal dile dayalı GraphQL oluşturmak için AI assistance for Data Connect'ı kullanmak üzere:

  1. Projenizde Data Connect simgesini açın ve Hizmetler bölümünde veri kaynağınızı seçin.

  2. Veri'yi tıklayın.

  3. GraphQL yazmama yardım etpen_spark simgesini tıklayın. Oluşturmak istediğiniz sorguyu veya mutasyonu doğal dilde açıklayın ve Oluştur'u tıklayın.

    Örneğin, "Data Connect ile geliştirin (web)" codelab'inde referans verilen Filmler veri kaynağını kullanıyorsanız "2022'nin en iyi beş filmini puanına göre azalan sırada döndür" diye sorabilirsiniz. Bu sorgu, aşağıdaki gibi bir sonuç döndürebilir:

    query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}

  4. Yanıtı inceleyin:

    • Yanıt doğru görünüyorsa yanıtı kod düzenleyiciye eklemek için Ekle'yi tıklayın.
    • Yanıt iyileştirilebilecekse Düzenle'yi tıklayın, istemi güncelleyin ve Yeniden üret'i tıklayın.

  5. Yanıtı kabul ettikten sonra, varsa Parametreler bölümünde aşağıdakileri ayarlayın:

    • Değişkenler: Sorgunuz veya mutasyonunuz değişkenler içeriyorsa bunları burada tanımlayın. Bunları tanımlamak için JSON kullanın. Örneğin, {"title":"The Matrix", "releaseYear":"1999"}.
    • Yetkilendirme: Sorguyu veya mutasyonu çalıştırmak için Yetkilendirme bağlamı (Yönetici, Kimliği Doğrulanmış veya Kimliği Doğrulanmamış) seçin.

  6. Kod düzenleyicide Çalıştır'ı tıklayın ve sonuçları inceleyin.

Kod düzenleyicide birden fazla sorguyu veya mutasyonu test etmek için bunların adlandırıldığından emin olun. Örneğin, aşağıdaki sorgunun adı GetMovie'dır. Çalıştır düğmesini etkinleştirmek için imlecinizi sorgunun veya mutasyonun ilk satırına getirin.

query GetMovie($myKey: Movie_Key!) {
  movie(key: $myKey) { title }
}

Kullanıcı girişine göre veritabanına film ekleyen bir mutasyon oluşturma

Bu örnekte, veritabanınızı dolduran bir GraphQL mutasyonu oluşturmak için doğal dilin nasıl kullanılacağı gösterilmektedir. Bu örnekte, Firebase Data Connect belgesinde ve "Data Connect ile geliştirme (web)" codelab'inde kullanılan film veritabanı şemasını kullandığınız varsayılır.

  1. Firebase konsolunda, Data Connect hizmetini açın.

  2. Hizmetinizi ve veri kaynağınızı seçin, ardından Veri sekmesini açın.

  3. GraphQL yazmama yardım etpen_spark simgesini tıklayın ve mutasyonunuzu açıklayın:

    Create a movie based on user input.

  4. Oluştur'u tıklayın. Mutasyon döndürülür. Örneğin, Gemini şu gibi bir mutasyon döndürebilir:

    mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Float!, $description: String!, $imageUrl: String!, $tags: [String!] = []) @auth(level: USER) {
  movie_insert(data: {
    title: $title,
    releaseYear: $releaseYear,
    genre: $genre,
    rating: $rating,
    description: $description,
    imageUrl: $imageUrl,
    tags: $tags
  })
}

  5. Çıkışı inceleyin. Gerekirse istemi iyileştirmek için Düzenle'yi, ardından Yeniden oluştur'u tıklayın.

  6. Ardından, mutasyonu veri düzenleyiciye eklemek için Ekle'yi tıklayın.

  7. Mutasyonu yürütmek için değişkenler eklemeniz gerekir. Parametreler bölümünde Değişkenler'i açın ve bazı test değişkenlerini ekleyin:

    {"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy",
"rating": 8, "description": "A new movie to test mutations",
"imageUrl": "", "tags": ["comedy","space travel"]}

  8. Çalıştır'ı tıklayın.

  9. Ardından, filminizin eklendiğini doğrulayan bir sorgu oluşturun. GraphQL yazmama yardım et pen_spark simgesini tıklayın ve açılan kutuya isteminizi yazın:

    List all movies from 2024 that include all of these tags: 'space travel', 'comedy'.

    Gemini aşağıdaki gibi bir yanıt verebilir:

    query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) {
  movies(
    where: {
    releaseYear: { eq: 2024 },
    tags: { includesAll: ["space travel", "comedy"] }
    }
  ) {
      id
      title
      imageUrl
      releaseYear
      genre
      rating
      description
      tags
    }
}

  10. Sorguyu ekleyip çalıştırın. Eklediğiniz film, Geçmiş alanında görünür.

Kullanıcı tarafından sağlanan türe ve puanlara göre yorumları listeleyen bir sorgu oluşturun

Bu örnekte, GraphQL sorgusu oluşturmak için doğal dilin nasıl kullanılacağı gösterilmektedir. Bu örnekte, Firebase Data Connect dokümanlarında ve "Build with Data Connect (web)" codelab'inde kullanılan film veritabanını kullandığınız varsayılır.

  1. Firebase konsolunda, Data Connect hizmetini açın.

  2. Hizmetinizi ve veri kaynağınızı seçin, ardından Veri sekmesini açın.

  3. GraphQL yazmama yardım etpen_spark simgesini tıklayın ve sorgunuzu açıklayın:

    List all movie reviews, based on user-configurable genre and ratings.

  4. Oluştur'u tıklayın. Sorgu döndürülür. Örneğin, Gemini şu gibi bir sorgu döndürebilir:

    query ListReviewsByGenreAndRating($genre: String, $minRating: Int, $maxRating: Int) @auth(level: PUBLIC) {
  reviews(where: {
    movie: {
      genre: {eq: $genre}
    },
    rating: {ge: $minRating, le: $maxRating}
  }) {
    id
    user {
      username
    }
    movie {
      title
      genre
    }
    rating
    reviewText
    reviewDate
  }
}

  5. Çıkışı inceleyin. Gerekirse istemi iyileştirmek için Düzenle'yi, ardından Yeniden oluştur'u tıklayın.

  6. Ardından, mutasyonu veri düzenleyiciye eklemek için Ekle'yi tıklayın.

  7. Bu sorguyu test etmek için değişken eklemeniz gerekir. Parametreler bölümünde Değişkenler'i açın ve test için kullanılacak değişkenleri ekleyin:

    {"genre":"sci-fi", "minRating":4, "maxRating":9}

  8. Çalıştır'ı tıklayın.

Üçüncü taraf yapay zeka yardım araçları için istemler tasarlama

Tüm yapay zeka yardım araçlarında olduğu gibi, daha iyi istemler daha faydalı sonuçlar verir.

Firebase'da Gemini'a doğal dil istemleri sağladığınızda asistan, arka planda girişlerinizi daha ayrıntılı bir isteme çevirir.

Cursor veya Windsurf gibi üçüncü taraf yapay zeka araçlarıyla çalışıyorsanız benzer ve daha ayrıntılı istemler kullanarak daha iyi Data Connect öneriler alabilirsiniz.

İndirebileceğiniz, uyarlayabileceğiniz ve IDE'nize kopyalayabileceğiniz istem şablonları yayınladık:

İndirip değiştirdikten sonra, aşağıdaki gibi tanıdık bir araçta (ör. Cursor veya Windsurf) istem oluşturun:

  • Cursor'da (Cursor'ın en son talimatlarını incelediğinizden emin olun):

    1. Sağ üstteki ayarlar simgesini tıklayın.
    2. Kurallar sekmesini seçin.
    3. Proje Kuralları bölümünde Yeni kural ekle düğmesini tıklayın.
    4. Kuralı kopyalayıp yapıştırın.

  • Windsurf'te (Windsurf'ün en son talimatlarını incelediğinizden emin olun):

    1. Sağ üst köşedeki Cascade (Basamak) düğmesini tıklayarak Cascade penceresini açın.
    2. Cascade'deki sağ üst kaydırma menüsünde Özelleştirmeler simgesini tıklayın, ardından Kurallar paneline gidin.
    3. Sırasıyla genel veya çalışma alanı düzeyinde yeni kurallar oluşturmak için + Global ya da + Workspace düğmesini tıklayın.
    4. Kuralı kopyalayıp yapıştırın.

Sorun giderme AI assistance for Data Connect

Firebase'da Gemini ile ilgili sorunları giderme başlıklı makaleyi inceleyin.

Fiyatlandırma

AI assistance for Data Connect, Firebase'de Gemini'ın bir parçası olarak kullanılabilir ve bireysel kullanıcılar için dahildir.

Daha fazla bilgi için Gemini in Firebase fiyatlandırması başlıklı makaleyi inceleyin.

Sonraki adımlar